研究人员发现大脑组织所使用的数学系统的视觉对象

当柏拉图开始定义一个人类,他选定了两个主要特征:我们没有羽毛,我们两足动物(用两条腿直立行走)。柏拉图的描述可能不包含所有的标识一个人类,但他减少对象的基本特征提供了一个示例的一个技术,即主成分分析。

现在,加州理工学院的研究人员联合工具从机器学习和神经科学发现大脑组织使用一个数学系统视觉对象根据其主要组件。研究表明,大脑细胞包含一个二维地图代表不同的物体。在这张地图上每个单元格的位置是由主成分(或特性)的首选对象;例如,细胞响应,弯曲的面孔和苹果被组合在一起,而细胞反应的另一组像直升机或塑料椅子形式。

多丽丝的研究是在实验室进行的曹(BS 96),生物学教授,主任天桥Chrissy陈系统神经科学和持有人的领导力中心的椅子上,和霍华德休斯医学研究所研究员。描述这项研究发表在《华尔街日报》的一篇论文自然6月3日。

“在过去的15年里,我们实验室一直在研究一种特殊的网络在灵长类动物大脑的颞叶专门负责处理。我们将这样的网络称为“面对补丁网络。“从一开始,有一个问题是否理解这张脸网络将教会我们一些事情的话,我们如何认识对象的一般性问题。我总是梦想,现在这惊人的方式被证明是正确的。事实证明,面对补丁网络有多个兄弟姐妹,这些传感器组合在一起形成一个有序的地图对象空间。面对补丁是一个更大的谜题的一部分,现在,我们可以开始看到整个拼图放在一起,”陶说。

大脑的inferotemporal (IT)皮层是一个关键的中心对象的识别。不同地区或“补丁”内皮层编码的识别不同的东西。2003年,曹和她的合作者发现有六个脸补丁;也有补丁编码的身体,场景,和颜色。但这些研究岛屿只有编造一些皮层,和大脑的功能细胞位于它们之间并没有很好理解。

Pinglei包,曹实验室的博士后学者,想知道这些未知区域的皮质。处理非人灵长类动物包第一次刺激的皮层区域,不属于任何前面定义的补丁和衡量它的其他部分如何回应刺激使用功能性磁共振成像(fMRI)。在这一过程中,他发现了一种新的网络:三个区域的皮质所驱动的刺激。他称这个网络的“无人地带网络”,因为它属于一个未知的皮层区域。

确定什么样的对象新的网络回应,包显示,灵长类动物图片成千上万的不同对象时测量在新的网络神经元的活动。他发现神经元反应强烈,一群看似毫无共同之处的对象,除了一个奇怪的特点:他们都包含薄“突起”。That is, spiky objects such as spiders, helicopters, and chairs triggered the activity of the cells of the new network. Round, smooth objects like faces triggered almost no activity in this network.

宝开始数学描述这些对象都有共同之处。虽然一个人可以定性描述的基本特征,可见做一把椅子的形状不同,他们不能将这些特征分解的数学参数。,包使用的一种机器学习程序称为深网络,这是训练分类的图像对象。

包了成千上万的图片他显示了灵长类动物和他们通过网络。然后检查单位的激活在八个不同的层深的网络。因为有成千上万的单位在每一层,很难辨别任何射击模式。宝决定使用主成分分析确定基本参数驱动活动网络的每一层的变化。保在一个层,注意到一些奇怪的熟悉:主成分之一是强烈激活的对象,如蜘蛛和直升机,和被抑制的面孔。这个精确匹配的对象偏好细胞包从早些时候无人区记录网络。

什么可以解释这种巧合吗?一个想法是,皮层可能实际上是组织为对象空间的地图,与x - y维由前两个主成分计算的深度网络。这个想法将预测面临的存在,身体,和“无人区”地区,因为他们喜欢的对象为不同象限的对象空间计算网络。但一个象限没有已知的大脑中对应:短而粗硬的物体,比如收音机或杯子。

宝决定显示灵长类动物的图片对象属于这个“失踪”象限他皮质监控他们的活动。令人吃惊的是,他发现皮质区域的网络做了回应,这只粗短的对象,作为预测的模型。这意味着深层网络已经成功预测未知的存在的大脑区域。

为什么每个象限代表多个区域的网络吗?早些时候,曹的实验室发现,不同的面孔补丁在皮层编码日益面临的抽象表示。包发现,他发现了两个网络显示相同的属性:细胞在更前的大脑区域对对象在不同的角度,而细胞后地区回应对象只有在特定的角度。这表明颞叶包含多个副本的地图对象的空间,每一个比之前更抽象。

最后,团队很好奇如何完成地图。他们测量了大脑活动的四个网络组成的地图作为灵长类动物看待物体的图像,然后解码大脑信号来确定灵长类动物被观察。模型能够准确地重建图像被灵长类动物。

“我们现在知道对象识别哪些特性是重要的,”宝说。“重要特征之间的相似性生物视觉系统和深度网络观察均显示两个系统可能共享一个相似的计算对象识别的机制。事实上,这是第一次,据我所知,一个深网络对大脑的功能做出了预测,不知道之前和被证明是真的。我认为我们非常接近找出如何灵长类动物大脑解决了对象识别问题。”

本文题为“在灵长类动物inferotemporal皮层的地图对象空间。”